هم¬ترازسازی زنجیره¬های بیولوژیکی به بیولوژیست¬ها در تحلیل و شناسایی نواحی مشابهت بین این زنجیره¬ها یاری خواهد رساند. این مشابهت¬های یافت¬شده نقاط مشترک بین زنجیره¬ها در روند تکامل تدریجی و همچنین جهش¬های بیولوژیکی را نشان می¬دهند. روش¬های هم¬ترازسازی مختلفی وجود دارند. الگوریتم اسمیت¬واترمن که مبتنی بر برنامه¬نویسی پویا می¬باشد یکی از دقیق¬ترین روشها برای هم¬ترازسازی زنجیره است،با این وجود این الگوریتم دارای میزان بسیار زیادی از محاسبات ماتریسی زمان¬بر است و ازاینرو می¬توان به¬منظور افزایش سرعت پردازش این الگوریتم، آن را از طریق شتاب¬دهنده¬های سخت¬افزاری موازی¬سازی و تسریع کرد. در این مقاله روش¬هایی ارائه می¬شود که منجر به تسریع این الگوریتم بر روی شبکه پردازش موازی GPU بر مبنای چارچوب CUDA خواهد شد. بهبود¬های ارائه¬شده در طی یک فرایند سه مرحله ای اعمال خواهند شد. در ابتدا ساختار بانک اطلاعاتی حاوی زنجیره¬های بیولوژیکی، تبدیل به ساختاری متناظر با مدل پردازش موازی GPU خواهد شد. سپس در مرحله بعد دسترسی¬ها به حافظه سراسری GPUجهت استفاده حداکثری از پهنای باند ادغام خواهند شد. در نهایت نیز روشی به¬منظور جلوگیری از برخورد پیمانه های حافظه مشترک GPU در نتیجه دسترسی¬های همزمان پرهزینه به پیمانه های آن ارائه خواهد شد. بررسی¬های انجام¬گرفته نشان می¬دهند که روش پیشنهادی دارای تسریع 82/1 تا 87/1 برابری، نسبت به CUDASW++ به عنوان یکی از سریع¬ترین پیاده¬سازی¬های انجام¬شده بر رویGPU، می¬باشد. همچنین این روش دارای تسریع 23/18 برابری نسبت به یک راه¬حل مبتنی بر CPU می¬باشد.

با استفاده از شبکه هاي بزرگ وپيچيده امنيت شبکه به يک مسئله مهم تبديل شده است . در اين مقاله يک نظريه مرکز عمليات امنيت شبکه بر اساس تکنولوژي همبستگي هشدارهاي چند حسگر از نقطه نظر امنيت شبکه معرفي شده است. همبستگي هشدار يک فرآيند است که هشدارهاي توليد شده توسط يک يا تعداد بيشتري سيستمهاي تشخيص نفوذ را تجزيه وتحليل مي کند و يک نماي سطح بالا و موثرتر از تلاشهاي نفوذ يا نفوذ اتفاق افتاده فراهم مي کند.معماري پيشنهادي در اين مقاله متشکل از چندين لايه است که عبارتند از: 1- لايه تجهيزات امنيتي شبکه 2- لايه داده 3- لايه ارائه و منطق امنيت 4- لايه کاربر. همبستگي هشدارها در معماري پيشنهادي بصورت يک فرآيند مي باشد کهشامل يک مجموعه جامع از مولفه ها و يک ابزار همبستگي زمان واقعي مبتني بر اين مدل مي باشد و قادر است تعدادي از مجموعه داده هاي متفاوت را در زمان واقعي پردازش کند. براي شناسايي اينکه چگونه هر مؤلفه به اهداف کلي همبستگي کمک مي کند و عملکرد زمان واقعي همبستگی را معتبر مي سازد، اين ابزار روي تعدادي از مجموعه داده هاي تشخيص نفوذ اعمال شده است. فرآيند همبستگي مورد بحث، قادر است تا هشدارهاي شبکه هاي واقعي را پردازش کند و قدرت کافي براي حملات انکار خدمت و موقعيتهايي که شبکه تحت حملات سنگين قرار مي گيرد را دارد. نتايج آزمايشات نشان مي دهد که ابزارهاي همبستگي هنگامي که در زمان واقعي عمل مي کنند، در دستيابي به کاهش هشدار و چکيدگي موثرند .

پیشرفت و بهبود نسل بشر نمی‌تواند کاملا وابسته به تغییرات ژنتیک باشد. بلکه تعاملات انسانی، رفتار اجتماعی، و فاکتورهای دیگر نیز نقش اساسی در فرآیند بهینه‌سازی دارند. از آنجایی که تعاملات اجتماعی اجازه تطبیق و پیشرفت سریعتری نسبت به ژنتیک می‌دهند، یک الگوریتم بهینه‌سازی می‌تواند شامل فاکتورهای اجتماعی و افزاینده در سرعت همگرایی باشد. البته این مشخصه‌ها می‌توانند بعدها به صورت رمزهای ژنتیکی از نسلی به نسل دیگر انتقال یابند. چنین مشخصه‌هایی به فرهنگ و الگوریتم‌هایی که آنها را به کار می گیرند به الگوریتم‌های فرهنگی موسوم هستند. البته یکی از نواقص این نوع الگوریتم‌ها تشکیل یک فرهنگ و تبعیت همه اشخاص از همان فرهنگ می‌باشد که گهگاه موجب گیرافتادن درون بهینه‌های محلی، در طول روند تکامل می‌گردد. برای برطرف این نقص در این مقاله، روشی به نام رتبه‌بندی Pareto برای انتخاب رهبران و افزایش تنوع در نسل‌های این الگوریتم بکار گرفته شده است. نتایج حاصل، اشاره به افزایش سرعت همگرایی روش ترکیبی جدید نسبت به نوع استاندارد آن دارد.

ترکیب سرویس های وب در چند سال گذشته مورد توجه محققان زیادی قرار گرفته است. هنگامی که یک نیاز جدیدی برای کاربران ایجاد می¬شود، یک راه حل مناسب برای پاسخ به نیاز مربوطه ترکیب سرویس¬های موجود می¬باشد. در این مقاله یک سیستم جستجوی ترکیب سرویس¬های وب با نام CSTWSCارائه می¬شود. تاکنون روش¬های زیادی در رابطه با ترکیب سرویس-های وب مبتنی بر گراف انجام شده است. برخی از این روش¬ها، گراف را در حافظه و برخی دیگر در پایگاه داده ذخیره می¬کنند. روش پیشنهادی مانند روش پیشین با نام PSR ، گراف را در پایگاه داده ذخیره می¬کند اما در این مقاله سعی شده است که یک سیستم جستجوی ترکیب وب سرویس با کارایی بیشتری نسبت به PSR ارائه شود. در روش پیشنهادی پس از ذخیره گراف در پایگاه داده، تمامی مراحل پردازش داده¬ها و اعمال الگوریتم¬ها به منظور به دست آوردن یک ترکیب سرویس مناسب با استفاده از پرس وجو¬ها انجام می¬شود. نتایج حاصل از آزمایش¬ها نشان داد که روش پیشنهادی از نظر کارایی و حافظه بهتر از PSR است.

لایه فیزیکی استاندارد 802.11 امکاناتی را فراهم کرده تا از طریق انتخاب نرخ داده مناسب در لایه کنترل دسترسی به رسانه ، بتوان بر مشکل متغیر بودن شرایط کانال غلبه نمود . مجموعه این روش‌ها که در شرایط مختلف کانال، نرخ داده مناسب را انتخاب می کنند با نام روش های تطبیق نرخ ارسال شناخته می شوند. استفاده از این روش ها می‌تواند کارایی و توان عملیاتی را به نحو چشم گیری افزایش دهد. در این مقاله یک روش تطبیق نرخ ارسال ارائه می شود که با استفاده از ویژگی های روش یادگیری فازی¬-¬تقویتی (FQL)، بهترین نرخ ارسال داده با توجه به شرایط کانال انتخاب می گردد. یکی از بارز ترین خصوصیات این روش آن است که روش پیشنهادی FQL-RA به جهت توانایی یادگیری رفتار کانال در هر شرایط عملیاتی ، می تواند نرخ ارسال داده مناسب را، برعکس بسیاری از روش های ارائه شده ، متناسب با محیطی که در آن کار می‌کند انتخاب نماید. روش پیشنهادی برای نمایش قابلیت بالا در انتخاب نرخ ارسال داده مناسب از طریق شبیه ساز 2NS- و در مدل های مختلف انتشار شبیه سازی شده در نهایت با روش های موجود مقایسه شده است.

يکي از چالش‌هاي اصلي در داده کاوي و شناسايي الگو، آموزش طبقه‌بندها براي داده‌هايي است که داراي توزيع کلاس نامتوازن مي‌باشند. در اين داده‌ها، توزيع کلاس‌ها به گونه‌اي است که نمونه‌هاييک کلاس بسيار بيشتر از کلاس ديگر مي‌باشد. اين نوع داده‌ها در بسياري از کاربردهاي عملي و صنعتي وجود دارند. در يادگيري ماشيني، ترکيب چند طبقه‌بند نسبت به يک طبقه‌بند داراي دقت بالاتري مي‌باشد، اما هيچکدام از اين تکنيک‌هاييادگيري نمي‌توانند به تنهائي مسائل با داده‌هاي نامتوازن را کلاس‌بندي نمايند. لذا الگوريتم‌هاي ترکيبي توسعه يافته براي اين منظور طراحي شده‌اند. يکي از مهمترين چالش‌هاي پيش‌روي محققان در کلاس‌بندي ترکيبي، تخمين پارامترهاي هزينه مي‌باشد و اين پارامترها از طريق روشهاي آزمون و خطا قابل تعيين مي‌باشند. در اين مقاله از الگوريتم ازدحام ذرات (PSO) براي تخمين پارامترهاي هزينه استفاده شده است. روش پيشنهاد شده بر روي پايگاه داده UCI اعمال شده و نتايج شبيه‌سازي، بهبود عملکرد معيارAUC را به بيش از 90% نشان داده است.

متن¬کاوی به دلیل حجم وسیعی از اطلاعات که به صورت متنی ذخیره شده¬، پتانسیل کاربردی بسیار بالایی دارد.یکی از مهم-ترین کاربردهای متن¬کاوی طبقه¬بندی متون به لحاظ موضوعی می¬باشد.در این مقاله سعی بر آن داشته¬ایم تا با توجه به روش-های مختلف طبقه¬بندی متون فارسي،روشی نوین در جهت افزایش دقت و کارآیی طبقه¬بندی متون ارائه دهیم.در این مقاله 5330 خبر از مجموعه داده¬های همشهری برای طبقه¬بندی استفاده شده است.در پیش پردازش متون برای حذف کلمات عمومی ،روشی جدید با استفاده از آنتروپی کلمات ارائه شده است.برای استخراج ویژگی،روش¬های فرکانس کلمات و Tf-idfبکار گرفته شده است.برای طبقه¬بندی متون نیز از الگوریتم¬های kنزدیک¬ترین همسایه، رده¬بندی بیزین و ترکیب طبقه-بندها با استفاده از روش طبقه¬بندی ترکیبیو اختلاط خبرگاناستفاده شده است.پیاده¬سازی روش پیشنهادی با ارائه آنتروپی در پیش پردازش و همچنین ترکیب طبقه¬بندها موجب بهبود 14درصدی نسبت به کارهای انجام شده قبلی بر روی همین مجموعه داده¬ها در نتایج کلی شده است.در بهترین حالت بازشناسی، اخبار دانش¬آموزان-اجتماعی با 93درصد بوده است.

با توجه به توسعه روزافزون تکنولوژی گره های حسگر متحرک، فراگیر شدن آنها و چالش های امنیتی پیشروی این شبکه ها، در این مقاله یک رهیافت آشکارسازی حمله گره المثنی توزیع شده و مقاوم در برابر حمله مهاجم هوشمند برای آشکارسازی گره المثنی در شبکه های حسگر بی سیم متحرک پیشنهاد شده است. در اینجا با توجه به اینکه رهیافت های پیشنهادی تاکنون دارای سربار حافطه و زمان آشکارسازی بالایی می باشند، با معرفی مفهوم مکان شاهد، یک رهیافت آشکارسازی پیشنهاد شده است که آشکارسازی در یک دور اجرای پروتکل انجام و دارای سربار مخابراتی مناسبی نیز می باشد. بمنظور تحلیل عملکرد رهیافت پیشنهادی، آنالیز امنیتی و هزینه بر روی رهیافت پیشنهادی انجام شده است. در انتها بمنظور ارزیابی عملکرد رهیافت پیشنهادی، برای پیکربندی های مختلف شبکه، شبیه سازی های گسترده انجام و عملکرد آن تحلیل و نتایج بمنطور ارزیابی نقاط قوت رهیافت پیشنهادی نسبت به رهیافت های مبتنی بر برخورد، با آنها مقایسه شده است. از نتایج شبیه سازی مشاهده می شود که رهیافت پیشنهادی نسبت به رهیافت های پیشنهاد شده تاکنون، دارای سربار مخابراتی و زمان آشکارسازی کمتری می باشد.

سیستم¬های همتابه¬همتا (Peer to Peer) به دلیل داشتن خصوصیاتی منحصر به فرد از قبیل مقیاس¬پذیری، استواری و هزینه¬ی پائین توسعه، در چند سال اخیر رشد قابل توجهی داشته¬اند.سیستم¬های همتابه¬همتا خود ممکن است پایگاهی یا ناپایگاهی باشند. یکی از مهم¬ترین مسائل مطرح در سیستم¬های پایگاهی همتابه¬همتا، مسئله¬ی پردازش پرسش است، بطوریکه یک بهبود جزئی در آن تاثیر قابل توجهی در کارایی سیستم خواهد داشت. یکی از راه¬های کاهش هزینه¬ی پردازش پرسش، خوشه¬بندی همتاهای با حیطه¬ی داده¬ای مشابه است. خوشه¬بندی همتاهایی با محتویات مشابه، باعث می¬شود پرسش¬های مطرح شده بتوانند مستقیماً به خوشه مربوطه راه یافته و در آنجا بطور موثری پاسخ داده شوند. در این مقاله روش جدیدی برای خوشه¬بندی همتاها در سیستم پایگاهی همتا¬به¬همتا ارائه می¬دهیم که در آن از الگوریتم خوشه¬بندی مبتنی بر رفتار مورچه¬ها استفاده شده است. آزمایشات انجام شده به منظور ارزیابی کارائی نشان می¬دهد که الگوریتم ارائه شده خوشه¬بندی همتاها را با دقت و کیفیت بالاتری نسبت به الگوریتم¬های ارائه شده انجام می¬دهد. علاوه¬براین الگوریتم ارائه شده به سرعت به حالت بهینه همگرا می¬شود و مقیاس¬پذیری بالائی در برابر افزایش اندازه مسأله دارد.

ارتباطات صوتی در بستر اینترنت و با استفاده از سیستمی به نام VoIP که شامل مجموعه‌ای از پروتکل‌ها است صورت پذیرفته و موضوع امنیت آن به شدت مورد توجه واقع گردیده است. حملاتی نظیر طوفان بسته‌هایSIPکه مهمترین پروتکل علامت دهی درVoIP است می‌تواند باعث اختلال در سرویس‌دهی گردد.این مقاله به ارائه روشی برای تشخیص حملات طوفان ثبت نام پروتکل SIP اختصاص دارد. مهاجمین می‌توانند با ارسال پیام‌های ثبت نام به صورت طوفانی، خطرات زیادی برای سرور ثبت نام در بر داشته باشند.در این مقاله نحوه ایجاد حملات طوفان ثبت نام به طور جزئی تحلیل شده وبا جایگزینی فاصله Kullback–Leibler به جای فاصله Hellinger برای تشخیص حملات طوفان ثبت نام، با بهره گیری از نمودار ROCنشان داده شده است که این روش می‌تواند در تشخیص این نوع حملات با دقت بهتر و خطای کمتری عمل نماید.

امروزه استفاده از بسته‌های نرم‌افزاری نقش مهمی در زندگی بشر، به خصوص در زمینه‌های اقتصادی و اجتماعی ایفا می‌کند. با توجه به پیشرفت‌های کامپیوتری و گسترده شدن قلمرو فعالیت آن‌ها، آزمون نرم‌افزار به عنوان جزیی از مهندسی نرم‌افزار، اهمیت فراوانی پیدا کرده است. یکی ز روش‌های معروف آزمون نرم‌افزار، آزمون جهشی می‌باشد. این روش مبتنی بر نسخه‌های خطادار از برنامه اصلی است و هدف آن تلاش برای به وجود آوردن نمونه آزمونی است که بتواند نسخه‌های خطادار از برنامه اصلی را شناسایی کند. در این مقاله برای اولین بار الگوریتم ذرات برای تولید داده‌های ورودی آزمون جهشی به همراه دو الگوریتم ژنتیک و باکتریولوژیکال پیاده‌سازی و مقایسه شده است. نتایج به دست آمده از اجرای الگوریتم‌ها بر روی مساله "تشخیص مثلث"، نشان می دهد که اگوریتم ذرات (با میانگین امتیاز جهش 94.8، میانگین تعداد نسخه‌های معادل 171 و میانگین تعداد نسل‌های 10.28 در صد مرتبه اجرا) نسبت به دو الگوریتم دیگر دارای کارایی بالاتری می‌باشد.

الگوریتم رقابت استعماری یکی از جدیدترین الگوریتم¬های تکاملی در حوزه¬ی بهینه¬سازی است. این الگوریتم با الهام گیری از پدیده¬ی سیاسی- اجتماعی استعمار در جوامع بشری ارایه شده است. در این مقاله با استناد به پدیده فروپاشی آنی یک امپراطوری در تاریخ بشری، الگوریتم جدیدی با نام ICACI بر مبنای الگوریتم ICA یا همان رقابت استعماری معرفی می¬شود. در الگوریتم رقابت استعماری در فاز رقابت بین امپراطوری¬ها، امپراطوری ضعیف¬تر به مرور و در هر دور اجرا با از دست دادن یکی از مستعمرات خود (ضعیف¬ترین مستعمره) ضعیف¬تر شده و در نهایت خود نیز از دور رقابت خارج می¬شود. اما در الگوریتم ICACI با در نظر گرفتن شرایطی امکان فروپاشی آنی و ناگهانی امپراطوری ضعیف¬تر به وجود می¬آید. در نهایت، نتایج حاصل از پیاده-سازی و اجرای الگوریتم ICACI روی چند تابع محک متداول و مقایسه آن¬ها با نتایج الگوریتم¬های ICA، PSO، GA و DE عملکرد وکارایی الگوریتم پیشنهادی را نشان می¬دهد.

در سال های اخیر، تشخیص چهره با استفاده از تصاویر ویدئویی مورد توجه قرار گرفته است. از تصاویر ویدئویی به عنوان داده‌های مکانی-زمانی برای تشخیص چهره استفاده می‌شود. تصاویر ویدئویی این امکان را فراهم می‌آورد که اطلاعات بیشتری از تصویر استخراج کنیم، به گونه‌ای که تشخیص چهره در شرایط نور کم و وضوح پایین تصاویر بهبود پیدا کند. استفاده از الگوهای محلی باینری حجمی (VLBP) یکی از روش‌های مورد استفاده در تصاویر ویدئویی و الگوهای پویا است. این روش با در نظر گرفتن نقاط همسایگی در فریم‌های پیشین و پسین در محاسبه کدهای باینری تصویر کاربرد دارد. در این مقاله، با استفاده از شبکه‌های عصبی خودسازمانده، یک همسایگی نامتقارن ایجاد و در این همسایگی، بردار ویژگی الگوهای محلی باینری حجمی OVLBP محاسبه می‌شود. به این ترتیب ویژگی‌های کلیدی در تصاویر چهره بررسی و سبب بهبود کارایی خواهد شد. نتایج آزمایشات بر روی پایگاه داده‌های MoBo، Honda/UCSD و Essex به ترتیب برابر 96.9، 85.8 و 98.4 است که نشان دهندۀ کارایی الگوریتم OVLBP است.

ریشه‌یابی فرایندیافتن ریشهیک کلمه و یا به عبارت دیگر، به دست آوردن انتقالی است که با اعمال آن بر یک کلمه در متن، ریشه آن کلمه تولید می‌شود. رویکرد به کار گرفته شده در این مقاله، بر پیشوند و پسوند کلمات فارسی تمرکز دارد. در عین حال به انتقال‌های بی‌قاعدهنظیر آنچه در جمع مکسر وجود دارد، نیز توجه شده است. نخست ما به دنبال پسوندها و پیشوندهایی هستیم که الگویی جهت ساخت یک کلمه جدید از ریشه می‌باشند. سپس به دنبال روشی کارا برای انتقال‌های بی‌قاعده هستیم. ما بر اساس اسناد برچسب‌خورده سعی در استنتاج قوانین کرده و در ادامه با یافتن استثناهایی،یک مجموعه قانون به شکل «اگر-آنگاه» می‌سازیم. براییافتن ریشه کلمات جمع مکسر نیز از یک شبکه عصبی (Radial Basis Function Network) استفاده شد.

در محیط¬های الکترونیکی، به خصوص وبگاه¬ها، محتوا از اهمیّت خاصی برخوردار است. بدین معنی که امروزه محتوای وب بهترین بستر برای ایجاد ارتباط با مشتریان بالقوه است. افزایش اهمیت محتوا از دو جنبه قابل بررسی است: اولاً از دیدگاه موتورهای جستجو و ثانیاً از منظر کاربران. در حین جستجو، موتور¬ها در یافتن محتوای با کیفیت از کلمات کلیدی داده شده استفاده می‌کنند و این مهم¬ترین عامل برای امتیازبندی آن¬ها است. کاربران نیز در سراسر دنیا به دنبال اطلاعات با کیفیت و به بیان دیگر در پی محتوای جامع‌تری هستند. اضافه کردن کلمات کلیدی اثربخش روشی است که توسط خبرگان بازاریابی اینترنتی استفاده می¬شود. در این پژوهش ما با بررسی برچسب¬های الصاق شده توسط کاربران، محتوا را ارزیابی می¬کنیم. هر چه یک محتوا کامل¬تر باشد، تشخیص مفاهیم کلیدی آن توسط کاربران و موتور های جستجو دقیق‌تر است. در این مقاله برای هدف مذکور یک معماری و یک الگوریتم ارزیابی پیشنهاد شده است که پیاده‌سازی و آزمون آن در سیستم آموزش الکترونیکی صورت گرفته و نتایج بدست آمده برای بررسی صحت کار به صورت نمودار و جدول در این مقاله ارائه شده است. راهبرد رفع ابهام مفهوم کلمات مبتنی بر پایگاه داده لغوی WordNet، برای تشخیص میزان صحت برچسب‏های کاربر در مقایسه با موارد تعیین شده توسط خبره در نظر گرفته شده است. در پایان حاصل ارزیابی بانظر فرد خبره مقایسه شد و نتائج حاصل نشانه از صحتو دقّت راهکار پیشنهادی دارد.

یک طرح تسهیم راز چندگامی و تصدیق‌پذیر مبتني بر تابع یک طرفه خطی و سیستم رمزنگاری RSA

یادگیری مبتنی بر مورد و سیستم‎های چند عامله دو مبحث متفاوت در حوزه هوش مصنوعی هستند. یادگیری مبتنی بر مورد یکی از الگوریتم‎های یادگیری ماشین است که برای حل مسأله جدید، از تجربه‎های گذشته و روش‎های حلی که مشابه با مسأله جاری باشد، استفاده می‎کند. اما در سیستم‎های چند عامله، تعدادی عامل با دو نوع رفتار رقابتی یا همکاری در یک محیط قرار می‎گیرند و این عامل‎ها در اثر تعامل با محیط و پاداش یا جریمه دریافتی، به مرور زمان یاد می‎گیرند که چگونه با هم رقابت یا همکاری کنند بطوریکه بیشترین سود را دریافت کنند. از آنجائیکه خود‎مختاری در عامل‎ها، یکی از شرایط سیستم‎های چند عامله است، استفاده از یادگیری مبتنی بر مورد می‎تواند نقش موثری در یادگیری و خود‎‎مختاری عامل‎ها داشته باشد.در این مقاله سعی شده است با اعمال تغییراتی در اتوماتاهای یادگیر از آنها برای آموزش عامل‎ها استفاده شود؛ همچنین عامل‎ها از پایگاه مورد مشترک استفاده می‎کنند.

در این مقاله موضوع ساخت یک درخت چندپخشی بهینه در شبکه های مش بیسیم را بررسی می کنیم، در ساخت درخت قصد داریم روشی میانی پیشنهاد دهیم بطوریکه بتواند از مزایای دو روش معروف در ساخت درخت یعنی SPT و MNT استفاده کند، در ساخت درخت گیرنده ها سعی می کنند با کمترین گام ممکن به منبع چندپخشی وصل شوند که نتیجه آن کاهش تأخیر انتها به انتها برای رساندن بسته های چندپخشی از منبع چندپخشی به گیرنده های چندپخشی است، از طرف دیگر در روش پیشنهادی سعی شده تعداد گره های فوروارد در شبکه کاهش یابد، چون یکی از دلائل اصلی تداخل بسته ها در شبکه و وجود مشکلات ترافیکی افزایش تعداد گره های فوروارد در ساخت درخت چندپخشی است، در قسمت شبیه سازی الگوریتم پیشنهادی را از نقطه نظر پارامترهای مختلفی مثل گذردهی، متوسط طول مسیر، تعداد گره های فوروارد و تأخیر انتها به انتها در شبیه ساز NS2 با الگوریتم های SPT و MNT مقایسه کرده ایم، تقریباً الگوریتم پیشنهادی کارایی قابل قبولی در مقایسه با دو الگوریتم ذکر شده دارد.

در سال¬های اخیر فشار و تغییرات رقابتی بر محیط کسب و کار باعث افزایش اهمیت حوزه¬های رقابتی شده است.باید تلاش نمود تا حوزه¬های رقابتی و ابزارهای مناسب آن¬را در سازمان¬های کشور بکارگیری نمود. یکی از این ابزارها استفاده از رویکرد هوش رقابتیاست. امروزه سازمان¬هایی به مزیت رقابتیبیشتری دست خواهند یافت که از محدوده فعالیت¬های خود و دیگران ارزیابی درست¬تری داشته باشند. هوشمندی رقابتی اشاره به این دارد که اطلاعات مفید را از محیط رقابتی استخراج نماید و پس از تحلیل صحیح، استراتژی¬های کارساز را برای سازمان تولید و ترویج نماید. هوش رقابتی سازمان¬ها را توانا می¬سازد تا از رقبای خود پیشی گرفته و جایگاه ویژه¬ای در عرصه رقابت کسب نمایند. در این مقاله ابتدا به مفاهیم مربوط به هوش رقابتی و آمادگی سازمان پرداخته شده است، سپس عوامل کلیدی موفقیت پیشنهادی از دیدگاه سازمانی برایتعیین آمادگی سازمان¬در پذیرش هوش رقابتی ارائه شده است، و مطالعه موردی تحقیق حاضر در سازمان بانک ملی ایران صورت پذیرفته است. اطلاعات مورد نیاز برای ارزیابی ازطریق پرسشنامه و نرم¬افزار لیزرل مورد تجزیه و تحلیل قرار گرفته است.

مسائل و مشکلات بهینه¬سازی عملی، غالباً با عدم قطعیت مواجه هستند که از این میان تعداد قابل توجهی از آنها متعلق به مشکل بهینه¬سازی محیط¬های پویاست، که در آن بهینه با زمان تغییر می¬کند. در این مقاله، روش جدیدی که الهام گرفته از تبادل فرهنگ مابین جوامع متمدن است، با نام سیاست تبادل فرهنگی پیشنهاد شده است. این سیاست همراه با بهینه¬سازی دسته¬جمعی ذرات که به صورت چند جمعیتی ارائه شده است،برای ایجاد تنوع در جمعیت و قرار¬گیری سریع جمعیت برروی بهینه، بعد از تغییر محیط به کار می¬رود.این سیاست با استفاده از دانش پیشنهادی در فضای باور با عنوان دانش تبادل اعمال می¬شود. ارزيابی اين روش پيشنهادی بر روی معيار قله‌های متحرک و مقايسه نتايج آن با نتايج حاصل از چندين الگوريتم معتبر نشان از کارايی خوب اين روش نسبت به الگوريتم mQSO و ساير الگوريتم‌ها دارد.